自学习策略和Lévy飞行的正弦余弦优化算法

发布时间：2021-10-06 15:43

　　针对正弦余弦算法（SCA,sine cosine algorithm）局部搜索能力差的缺陷,提出自学习策略和Lévy飞行的正弦余弦优化算法（SCASL,sine cosine optimization algorithm with selflearning strategy and Lévy flight）。首先,提出正弦余弦算法自学习策略和非线性权重因子,使搜索个体记忆自身历史最优位置,在寻优过程中指导搜索个体更新位置,提高SCA的局部搜索能力;算法寻优后期,当搜索陷入局部最优时,采用基于Lévy飞行的停滞扰动策略使算法跳出局部最优,提高SCA的局部最优规避能力。基于13个经典基准测试函数对算法性能进行测试的实验结果表明,SCASL相比标准SCA和较新的优化算法SSA,VCS,WOA,GSA,具有更高的计算效率,收敛精度以及更强的局部最优规避能力。求解无人作战飞机航迹规划的仿真结果表明,在有6个敌方威胁源的战场环境中,相比SCA,SCASL求解得到的飞行航迹具有更小的航迹代价。综上,所提出的SCASL具有较强的寻优能力。 

【文章来源】：重庆大学学报. 2019,42(09)北大核心CSCD

【文章页数】：11 页

【参考文献】：
期刊论文
[1]正弦余弦算法优化的SVM模拟电路故障诊断[J]. 朱静,何玉珠,崔唯佳.  导航与控制. 2018(04)
[2]具有Levy变异和精英自适应竞争机制的蚁狮优化算法[J]. 景坤雷,赵小国,张新雨,刘丁.  智能系统学报. 2018(02)
[3]基于正余弦算法的城市土地利用空间的优化配置[J]. 张哲.  山东农业大学学报(自然科学版). 2016(05)



本文编号：3420305